Nemotron 3 Nano 30B A3B هو نموذج NVIDIA النصي الهجين القائم على مزيج الخبراء، أُعدّ بتهيئة واحدة لمهام الاستدلال والمهام التي لا تستخدم الاستدلال. يقبل النص ويولّد النص، وينتج عادةً مسارًا للاستدلال قبل الإجابة النهائية. يمكن لقالب المحادثة الذي توفره الشركة المصنّعة تعطيل ذلك المسار للحصول على إجابات مباشرة، مع احتمال التأثير في أداء المطالبات الأصعب التي تستفيد من التحليل.
بنية الشركة المصنّعة هجين من Mamba-2 وtransformer، يضم نحو ثلاثين مليار معلمة إجمالاً. يحتوي تصميمه على اثنتين وخمسين طبقة: ثلاث وعشرون طبقة Mamba-2، وثلاث وعشرون طبقة خبراء، وست طبقات انتباه. لكل طبقة خبراء 128 خبيرًا موجّهًا وخبير مشترك، ويُنشَّط ستة خبراء موجّهين لكل توكن.
تصف NVIDIA تدريبًا على خمسة وعشرين تريليون توكن، يليه ضبط دقيق خاضع للإشراف وتعلّم معزز متعدد البيئات. تشمل مجالات ما بعد التدريب الشيفرة والرياضيات والعلوم والتعليمات والمخرجات المنظمة والأدوات متعددة الخطوات والمحادثات متعددة الأدوار. هذه خصائص Nano الأصلية، مستقلة عن إصدار 3.5 Lightning اللاحق ذي التنبؤ بعدة توكنات.
للرياضيات، قدّم نص المسألة كاملاً وتنسيق النتيجة النهائية. وللشيفرة، قدّم الدالة المعنية ومدخلاً ممثلاً والإخفاق المرصود والسلوك المطلوب. مثال مفيد للموجز: «تتبّع هذا المدخل عبر التنفيذ، وحدد أول شرط غير صحيح، وأعد تصحيحًا محددًا مع شرحه الداعم». ويمكن لاستخراج اعتيادي أن يطلب بدلاً من ذلك الحقول المحددة فقط.
تدرج الشركة المصنّعة الإنجليزية والإسبانية والفرنسية والألمانية واليابانية والإيطالية. حدد لغة الإجابة وأبقِ المصطلحات المطلوبة سليمة. اطلب المخرج النهائي منفصلاً عن الاستدلال الوسيط كي تظل النتيجة مفيدة كشرح أو شيفرة أو سجل منظم.
تعرض NVIDIA عميلاً مرجعيًا يحصل أولاً على محتوى الاستدلال، ويغلق مسارًا غير مكتمل، ثم يستخدم ميزانية التوليد المتبقية للإجابة النهائية. هذا إجراء ينفذه عميل الشركة المصنّعة، وليس حد إيقاف مدمجًا ودقيقًا يوحي به اسم النموذج. اختر ميزانية إجابة تترك مساحة للنتيجة النهائية بدلاً من استهلاك كل المساحة المتاحة في التحليل.
تتضمن تهيئة الشركة المصنّعة تدريبًا على استخدام الأدوات والمخرجات المنظمة. يوفّر التطبيق تعريفات الدوال وينفذ العمليات المختارة ويعيد النتائج المرصودة. أبقِ تلك النتائج مرتبطة باستدعاءاتها. يمكن لإجابة مدعومة بالمصادر استخدام المادة المسترجعة فعليًا أو الحساب الفعلي، بينما ينبغي لتنقيح الشيفرة استخدام التغذية الراجعة المرصودة من التحقق.
تحدد بطاقة النموذج حدًا أقصى يبلغ مليون توكن للمدخلات والمخرجات ضمن تهيئته ذات السياق الطويل. يجب استخدام هذه الأرقام مع إعداد التنفيذ المختار وميزانية السياق المشتركة؛ فالمطالبة والسجل والاستدلال والإجابة ما زالت تشغل المساحة معًا. لا تجعل النافذة الطويلة مجموعة مصادر غير منظمة مهمة واضحة.
نظّم المستندات حسب المصدر والشيفرة حسب الحدود ذات الصلة، وحدد ما يُكمل التكليف. راجع القيم بالرجوع إلى المادة، والشيفرة داخل التطبيق المقصود. المخرج المفيد نتيجة نصية مع تحديد أدلتها والمعلومات غير المحسومة، مع الاحتفاظ بإصدار Nano الدقيق بدلاً من استعارة خصائص Nemotron اللاحقة أو افتراضات الدقة.
", "aboutText": "Nemotron 3 Nano 30B A3B هو نموذج NVIDIA النصي الهجين القائم على مزيج الخبراء، أُعدّ بتهيئة واحدة لمهام الاستدلال والمهام التي لا تستخدم الاستدلال. يقبل النص ويولّد النص، وينتج عادةً مسارًا للاستدلال قبل الإجابة النهائية. يمكن لقالب المحادثة الذي توفره الشركة المصنّعة تعطيل ذلك المسار للحصول على إجابات مباشرة، مع احتمال التأثير في أداء المطالبات الأصعب التي تستفيد من التحليل.\n\n### البنية والتدريب\n\nبنية الشركة المصنّعة هجين من Mamba-2 وtransformer، يضم نحو ثلاثين مليار معلمة إجمالاً. يحتوي تصميمه على اثنتين وخمسين طبقة: ثلاث وعشرون طبقة Mamba-2، وثلاث وعشرون طبقة خبراء، وست طبقات انتباه. لكل طبقة خبراء 128 خبيرًا موجّهًا وخبير مشترك، ويُنشَّط ستة خبراء موجّهين لكل توكن.\n\nتصف NVIDIA تدريبًا على خمسة وعشرين تريليون توكن، يليه ضبط دقيق خاضع للإشراف وتعلّم معزز متعدد البيئات. تشمل مجالات ما بعد التدريب الشيفرة والرياضيات والعلوم والتعليمات والمخرجات المنظمة والأدوات متعددة الخطوات والمحادثات متعددة الأدوار. هذه خصائص Nano الأصلية، مستقلة عن إصدار 3.5 Lightning اللاحق ذي التنبؤ بعدة توكنات.\n\n### هيّئ مهمة استدلال أو إجابة مباشرة\n\nللرياضيات، قدّم نص المسألة كاملاً وتنسيق النتيجة النهائية. وللشيفرة، قدّم الدالة المعنية ومدخلاً ممثلاً والإخفاق المرصود والسلوك المطلوب. مثال مفيد للموجز: «تتبّع هذا المدخل عبر التنفيذ، وحدد أول شرط غير صحيح، وأعد تصحيحًا محددًا مع شرحه الداعم». ويمكن لاستخراج اعتيادي أن يطلب بدلاً من ذلك الحقول المحددة فقط.\n\nتدرج الشركة المصنّعة الإنجليزية والإسبانية والفرنسية والألمانية واليابانية والإيطالية. حدد لغة الإجابة وأبقِ المصطلحات المطلوبة سليمة. اطلب المخرج النهائي منفصلاً عن الاستدلال الوسيط كي تظل النتيجة مفيدة كشرح أو شيفرة أو سجل منظم.\n\n### مرجع ميزانية الاستدلال\n\nتعرض NVIDIA عميلاً مرجعيًا يحصل أولاً على محتوى الاستدلال، ويغلق مسارًا غير مكتمل، ثم يستخدم ميزانية التوليد المتبقية للإجابة النهائية. هذا إجراء ينفذه عميل الشركة المصنّعة، وليس حد إيقاف مدمجًا ودقيقًا يوحي به اسم النموذج. اختر ميزانية إجابة تترك مساحة للنتيجة النهائية بدلاً من استهلاك كل المساحة المتاحة في التحليل.\n\n### الأدوات والسياق الطويل\n\nتتضمن تهيئة الشركة المصنّعة تدريبًا على استخدام الأدوات والمخرجات المنظمة. يوفّر التطبيق تعريفات الدوال وينفذ العمليات المختارة ويعيد النتائج المرصودة. أبقِ تلك النتائج مرتبطة باستدعاءاتها. يمكن لإجابة مدعومة بالمصادر استخدام المادة المسترجعة فعليًا أو الحساب الفعلي، بينما ينبغي لتنقيح الشيفرة استخدام التغذية الراجعة المرصودة من التحقق.\n\nتحدد بطاقة النموذج حدًا أقصى يبلغ مليون توكن للمدخلات والمخرجات ضمن تهيئته ذات السياق الطويل. يجب استخدام هذه الأرقام مع إعداد التنفيذ المختار وميزانية السياق المشتركة؛ فالمطالبة والسجل والاستدلال والإجابة ما زالت تشغل المساحة معًا. لا تجعل النافذة الطويلة مجموعة مصادر غير منظمة مهمة واضحة.\n\nنظّم المستندات حسب المصدر والشيفرة حسب الحدود ذات الصلة، وحدد ما يُكمل التكليف. راجع القيم بالرجوع إلى المادة، والشيفرة داخل التطبيق المقصود. المخرج المفيد نتيجة نصية مع تحديد أدلتها والمعلومات غير المحسومة، مع الاحتفاظ بإصدار Nano الدقيق بدلاً من استعارة خصائص Nemotron اللاحقة أو افتراضات الدقة.", "editorialOverlay": { "copy_fields": { "practical_html": "مثال تقني باللغة الإنجليزية
Trace an inclusive-range defect\n\nTrace this Python code for start=2 and end=4: values = []\nfor n in range(start, end):\n values.append(n)\n The caller expects both endpoints included. Explain the first mismatch and propose a focused correction preserving ascending integer inputs. Include tests for 2 through 4 and equal endpoints, and state how descending inputs should be handled.A short trace, an inclusive-range correction, two tests and an explicit descending-input assumption.The equal-endpoint test yields one included value, and the changed bound does not omit end.nvidia/nemotron-3-nano-30b-a3bNemotron 3 Nano هو نموذج NVIDIA النصي الهجين الذي يجمع بين Mamba-2 وtransformer للاستدلال والإجابات المباشرة. تدعم تهيئته لدى الشركة المصنّعة، بحجم يقارب 30B معلمة، أسئلة السياق الطويل والبرمجة والمهام المنظمة والأدوات، مع تفكير قابل للضبط وطريقة مرجعية للتحكم في طول الاستدلال.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Nemotron 3 Nano 30B A3B هو نموذج NVIDIA النصي الهجين القائم على مزيج الخبراء، أُعدّ بتهيئة واحدة لمهام الاستدلال والمهام التي لا تستخدم الاستدلال. يقبل النص ويولّد النص، وينتج عادةً مسارًا للاستدلال قبل الإجابة النهائية. يمكن لقالب المحادثة الذي توفره الشركة المصنّعة تعطيل ذلك المسار للحصول على إجابات مباشرة، مع احتمال التأثير في أداء المطالبات الأصعب التي تستفيد من التحليل.
بنية الشركة المصنّعة هجين من Mamba-2 وtransformer، يضم نحو ثلاثين مليار معلمة إجمالاً. يحتوي تصميمه على اثنتين وخمسين طبقة: ثلاث وعشرون طبقة Mamba-2، وثلاث وعشرون طبقة خبراء، وست طبقات انتباه. لكل طبقة خبراء 128 خبيرًا موجّهًا وخبير مشترك، ويُنشَّط ستة خبراء موجّهين لكل توكن.
تصف NVIDIA تدريبًا على خمسة وعشرين تريليون توكن، يليه ضبط دقيق خاضع للإشراف وتعلّم معزز متعدد البيئات. تشمل مجالات ما بعد التدريب الشيفرة والرياضيات والعلوم والتعليمات والمخرجات المنظمة والأدوات متعددة الخطوات والمحادثات متعددة الأدوار. هذه خصائص Nano الأصلية، مستقلة عن إصدار 3.5 Lightning اللاحق ذي التنبؤ بعدة توكنات.
للرياضيات، قدّم نص المسألة كاملاً وتنسيق النتيجة النهائية. وللشيفرة، قدّم الدالة المعنية ومدخلاً ممثلاً والإخفاق المرصود والسلوك المطلوب. مثال مفيد للموجز: «تتبّع هذا المدخل عبر التنفيذ، وحدد أول شرط غير صحيح، وأعد تصحيحًا محددًا مع شرحه الداعم». ويمكن لاستخراج اعتيادي أن يطلب بدلاً من ذلك الحقول المحددة فقط.
تدرج الشركة المصنّعة الإنجليزية والإسبانية والفرنسية والألمانية واليابانية والإيطالية. حدد لغة الإجابة وأبقِ المصطلحات المطلوبة سليمة. اطلب المخرج النهائي منفصلاً عن الاستدلال الوسيط كي تظل النتيجة مفيدة كشرح أو شيفرة أو سجل منظم.
تعرض NVIDIA عميلاً مرجعيًا يحصل أولاً على محتوى الاستدلال، ويغلق مسارًا غير مكتمل، ثم يستخدم ميزانية التوليد المتبقية للإجابة النهائية. هذا إجراء ينفذه عميل الشركة المصنّعة، وليس حد إيقاف مدمجًا ودقيقًا يوحي به اسم النموذج. اختر ميزانية إجابة تترك مساحة للنتيجة النهائية بدلاً من استهلاك كل المساحة المتاحة في التحليل.
تتضمن تهيئة الشركة المصنّعة تدريبًا على استخدام الأدوات والمخرجات المنظمة. يوفّر التطبيق تعريفات الدوال وينفذ العمليات المختارة ويعيد النتائج المرصودة. أبقِ تلك النتائج مرتبطة باستدعاءاتها. يمكن لإجابة مدعومة بالمصادر استخدام المادة المسترجعة فعليًا أو الحساب الفعلي، بينما ينبغي لتنقيح الشيفرة استخدام التغذية الراجعة المرصودة من التحقق.
تحدد بطاقة النموذج حدًا أقصى يبلغ مليون توكن للمدخلات والمخرجات ضمن تهيئته ذات السياق الطويل. يجب استخدام هذه الأرقام مع إعداد التنفيذ المختار وميزانية السياق المشتركة؛ فالمطالبة والسجل والاستدلال والإجابة ما زالت تشغل المساحة معًا. لا تجعل النافذة الطويلة مجموعة مصادر غير منظمة مهمة واضحة.
نظّم المستندات حسب المصدر والشيفرة حسب الحدود ذات الصلة، وحدد ما يُكمل التكليف. راجع القيم بالرجوع إلى المادة، والشيفرة داخل التطبيق المقصود. المخرج المفيد نتيجة نصية مع تحديد أدلتها والمعلومات غير المحسومة، مع الاحتفاظ بإصدار Nano الدقيق بدلاً من استعارة خصائص Nemotron اللاحقة أو افتراضات الدقة.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود nvidia/nemotron-3-nano-30b-a3b | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود function يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmodalities | النوعstring[] | المتطلباختياري | القيم والحدود text | القيمة الافتراضية— |
الحقلprovider | النوعobject | المتطلباختياري | القيم والحدود الشروط: يُرفَض provider.options في مسار Ultra النصي هذا | القيمة الافتراضية— |
الحقلcache_control.ttl | النوعstring | المتطلباختياري | القيم والحدود الشروط: تُرفَض 1h في المواضع الفعلية للتخزين المؤقت للموجّه | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةmaterial_types | المواصفاتtext |
المعلمةmessages | المواصفاتمصفوفة رسائل ببنية role/content |
المعلمةfile_material | المواصفاتمستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف |
المعلمةoptional_controls | المواصفاتstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
المعلمةcontrol_scope | المواصفاتخاص بالنموذج؛ أدوات الدوال التي يقدّمها المستخدم تختلف عن الأدوات المستضافة |
المعلمةoutput_modalities | المواصفاتtext |
المعلمةhosted_operations | المواصفاتfalse |
المعلمةmultimodal_input_binding | المواصفاتnull |
دورة الحياة: synchronous_or_streamed
أرسل معرّف النموذج الدقيق مع messages.
طول السياق ليس حدًا أقصى للإخراج.
يمكن لملف نصي تقديم نص حرفي؛ وتحتاج مدخلات الصور/الصوت/كائنات الملفات إلى ربط دقيق.
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0001 / 1K من الرموز الإخراج · رموز الإخراج $0.0004 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتالشريحة 1 لطول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0001 / 1K من الرموز الإخراج · رموز الإخراج $0.0004 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nvidia/nemotron-3-nano-30b-a3b", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='nvidia/nemotron-3-nano-30b-a3b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='nvidia/nemotron-3-nano-30b-a3b',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra nvidia/nemotron-3-nano-30b-a3b
استخدم مسارات الطرائق المعروضة أعلاه.
nvidia/nemotron-3-nano-30b-a3bNemotron 3 Nano هو نموذج NVIDIA النصي الهجين الذي يجمع بين Mamba-2 وtransformer للاستدلال والإجابات المباشرة. تدعم تهيئته لدى الشركة المصنّعة، بحجم يقارب 30B معلمة، أسئلة السياق الطويل والبرمجة والمهام المنظمة والأدوات، مع تفكير قابل للضبط وطريقة مرجعية للتحكم في طول الاستدلال.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Nemotron 3 Nano 30B A3B هو نموذج NVIDIA النصي الهجين القائم على مزيج الخبراء، أُعدّ بتهيئة واحدة لمهام الاستدلال والمهام التي لا تستخدم الاستدلال. يقبل النص ويولّد النص، وينتج عادةً مسارًا للاستدلال قبل الإجابة النهائية. يمكن لقالب المحادثة الذي توفره الشركة المصنّعة تعطيل ذلك المسار للحصول على إجابات مباشرة، مع احتمال التأثير في أداء المطالبات الأصعب التي تستفيد من التحليل.
بنية الشركة المصنّعة هجين من Mamba-2 وtransformer، يضم نحو ثلاثين مليار معلمة إجمالاً. يحتوي تصميمه على اثنتين وخمسين طبقة: ثلاث وعشرون طبقة Mamba-2، وثلاث وعشرون طبقة خبراء، وست طبقات انتباه. لكل طبقة خبراء 128 خبيرًا موجّهًا وخبير مشترك، ويُنشَّط ستة خبراء موجّهين لكل توكن.
تصف NVIDIA تدريبًا على خمسة وعشرين تريليون توكن، يليه ضبط دقيق خاضع للإشراف وتعلّم معزز متعدد البيئات. تشمل مجالات ما بعد التدريب الشيفرة والرياضيات والعلوم والتعليمات والمخرجات المنظمة والأدوات متعددة الخطوات والمحادثات متعددة الأدوار. هذه خصائص Nano الأصلية، مستقلة عن إصدار 3.5 Lightning اللاحق ذي التنبؤ بعدة توكنات.
للرياضيات، قدّم نص المسألة كاملاً وتنسيق النتيجة النهائية. وللشيفرة، قدّم الدالة المعنية ومدخلاً ممثلاً والإخفاق المرصود والسلوك المطلوب. مثال مفيد للموجز: «تتبّع هذا المدخل عبر التنفيذ، وحدد أول شرط غير صحيح، وأعد تصحيحًا محددًا مع شرحه الداعم». ويمكن لاستخراج اعتيادي أن يطلب بدلاً من ذلك الحقول المحددة فقط.
تدرج الشركة المصنّعة الإنجليزية والإسبانية والفرنسية والألمانية واليابانية والإيطالية. حدد لغة الإجابة وأبقِ المصطلحات المطلوبة سليمة. اطلب المخرج النهائي منفصلاً عن الاستدلال الوسيط كي تظل النتيجة مفيدة كشرح أو شيفرة أو سجل منظم.
تعرض NVIDIA عميلاً مرجعيًا يحصل أولاً على محتوى الاستدلال، ويغلق مسارًا غير مكتمل، ثم يستخدم ميزانية التوليد المتبقية للإجابة النهائية. هذا إجراء ينفذه عميل الشركة المصنّعة، وليس حد إيقاف مدمجًا ودقيقًا يوحي به اسم النموذج. اختر ميزانية إجابة تترك مساحة للنتيجة النهائية بدلاً من استهلاك كل المساحة المتاحة في التحليل.
تتضمن تهيئة الشركة المصنّعة تدريبًا على استخدام الأدوات والمخرجات المنظمة. يوفّر التطبيق تعريفات الدوال وينفذ العمليات المختارة ويعيد النتائج المرصودة. أبقِ تلك النتائج مرتبطة باستدعاءاتها. يمكن لإجابة مدعومة بالمصادر استخدام المادة المسترجعة فعليًا أو الحساب الفعلي، بينما ينبغي لتنقيح الشيفرة استخدام التغذية الراجعة المرصودة من التحقق.
تحدد بطاقة النموذج حدًا أقصى يبلغ مليون توكن للمدخلات والمخرجات ضمن تهيئته ذات السياق الطويل. يجب استخدام هذه الأرقام مع إعداد التنفيذ المختار وميزانية السياق المشتركة؛ فالمطالبة والسجل والاستدلال والإجابة ما زالت تشغل المساحة معًا. لا تجعل النافذة الطويلة مجموعة مصادر غير منظمة مهمة واضحة.
نظّم المستندات حسب المصدر والشيفرة حسب الحدود ذات الصلة، وحدد ما يُكمل التكليف. راجع القيم بالرجوع إلى المادة، والشيفرة داخل التطبيق المقصود. المخرج المفيد نتيجة نصية مع تحديد أدلتها والمعلومات غير المحسومة، مع الاحتفاظ بإصدار Nano الدقيق بدلاً من استعارة خصائص Nemotron اللاحقة أو افتراضات الدقة.
POST /v1/messagestextjson, sse| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود nvidia/nemotron-3-nano-30b-a3b | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF-8
سلسلة نصية messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتstream |
المعلمةmaterial_types | المواصفاتtext |
المعلمةtext_file_material | المواصفاتاقرأ مستند UTF-8 الفعلي وضع نصه في الإدخال المحدد أو السلسلة النصية لمحتوى الرسالة. |
دورة الحياة: synchronous_or_streamed
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | رموز السياق، أكثر من | رموز السياق، حتى القيمة شاملةً | الرسوم |
|---|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | رموز السياق، أكثر من— | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0001 / 1K من الرموز الإخراج · رموز الإخراج $0.0004 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتالشريحة 1 لطول الطلب | جدول التعرفة— | رموز السياق، أكثر من0 | رموز السياق، حتى القيمة شاملةًلا يوجد حد أقصى | الرسوم الإدخال · رموز الإدخال $0.0001 / 1K من الرموز الإخراج · رموز الإخراج $0.0004 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
{\n "model": "nvidia/nemotron-3-nano-30b-a3b",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'nvidia/nemotron-3-nano-30b-a3b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'nvidia/nemotron-3-nano-30b-a3b', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra nvidia/nemotron-3-nano-30b-a3b
استخدم مسارات الطرائق المعروضة أعلاه.
مثال تقني باللغة الإنجليزية
Trace an inclusive-range defect\n\nTrace this Python code for start=2 and end=4: values = []\nfor n in range(start, end):\n values.append(n)\n The caller expects both endpoints included. Explain the first mismatch and propose a focused correction preserving ascending integer inputs. Include tests for 2 through 4 and equal endpoints, and state how descending inputs should be handled.A short trace, an inclusive-range correction, two tests and an explicit descending-input assumption.The equal-endpoint test yields one included value, and the changed bound does not omit end.